机器学习之广义增量规则(Generalized Delta Rule)

在这里插入图片描述

广义增量规则的公式

  • 对于单层神经网络的增量规则,已经过时啦,现在存在一种更广义的增量规则形式。对于任意激活函数,增量规则表示如下式
  • 在这里插入图片描述
  • 它与前一节的delta规则相同,只是ei被替换为δi。在这个方程中,δi被定义为:
  • 在这里插入图片描述
    ei =输出节点i
    vi =输出节点i的加权和
    φ‘=输出节点i的激活函数φ的导数

s型函数的增量规则

  • s型函数的增量规则被广泛地用作激活函数

在这里插入图片描述
对于该函数进行求导
在这里插入图片描述
代入公式:
在这里插入图片描述
最后,我们可以得到s型函数的增量规则:
在这里插入图片描述

虽然权值更新公式相当复杂,但它保持了相同的基本概念,即权值是根据输出节点误差ei和输入节点值xj的比例来确定的

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值